关于朴素贝叶斯分类的学习笔记

最近准备写一个商业智能框架，听起来有点大是不是？只是想法，最终能够实现到什么程度还不好说。其中的所有数据挖掘的算法都想自己亲手写出来，当然是参考WEKA等开源框架，只当是个学习的过程。
关于概念性的东西，这里不多说了。简单记录一下这两天看朴素贝叶斯分类的一些体会。朴素贝叶斯分类假定一个属性值对给定类的影响独立其他属性的值。构造一个朴素贝叶斯分类器的过程其实主要是计算各个先验概率P（X）和后验概率P（X|H）的过程，以通过贝叶斯定理：
 P（H|X）=P（X|H)P(H)  /  P(X)
得到后验概率P（H|X），即给定观测样本X，假定Ｈ成立的概率。
补充一个最基本的结构类图如下：